토스 리더가 말하는 PO가 꼭 알아야 할 개념

토스 리더가 말하는 PO가 꼭 알아야 할 개념

https://www.youtube.com/playlist?list=PL1DJtS1Hv1Piv_MQIHgA_CdNsXyDM9UDM

TOSS INSIGHT | 토스 인사이트

 

---

 

Carrying Capacity

 

▶ Carrying Capacity (CC, 한계수용능력)

CC =  매일 들어오는 유저 수 / 전체 유저수(MAU) 대비 매일 잃게 되는 유저수 비율(%)
CC란, 제품 및 서비스가 가지는 체력을 의미함. 고객을 들여와서 홀드하는 능력

 

CC의 공식에 따르면 유저의 유입량이 줄어들면 유출되는 1%의 비율도 줄어들고,

새로운 평형점에 도달할 때까지 MAU(사용 유저 수_한 달)가 줄어들게 됨.

 

CC의 분자는 제품을 런칭하자마자 알 수 있음

CC의 분모는 길면 두 달, 짧으면 한 달 안에 알 수 있음

즉, 제품 및 서비스의 CC는 길어봐야 몇 달 안에 알 수 있다는 것.

 

▶ CC를 늘리기 위한 방법

서비스의 성장 한계는 Churn이 결정한다.
Churn이란, CC의 분모

 

CC를 늘리려면 들어오는 유저 수를 늘리거나, 나가는 유저의 비율을 줄여야 함.

하지만 근본적인 제품 및 서비스의 개선 없이는 MAU의 증가가 불가능한 시점이 옴.

새로운 종류의 제품 및 서비스를 런칭하면, 새로운 가치를 중심으로, 새로운 Inflow와 Churn rate이 형성되게 됨.

 

이러한 기존 제품 및 서비스의 개선 또는 새로운 제품 및 서비스의 런칭을 통해 

Inflow(매월, 매일 들어오는 유저수)를 늘려야 하고, Retention과 Activation 개선, Churn을 감소시키는 본질적인 노력이 있어야 함.

↔  Aquisition(얼마나 유저를 많이, 싸게 데려오느냐)에만 관심을 두면 안됨

데이터 그로스 모델링 질문

Q1. 로열 유저들의 액션을 모든 유저들에게 강요하는 것이 많은 로열 유저 생성에 도움이 될까?
: Retention과 Churn에 영향을 주는지 확인해보고 하거나 안하거나
: Churn rate이 개선이 돼야 CC가 개선이 되는 것
Q2. 24시간 장애가 있은 후 트래픽이 많이 빠졌다면 이게 안 좋은 일일까? 아무 영향이 없을까?
: Inflow와 Churn이 달라지지 않았다면 바뀌지 않음. 그렇지 않은 경우에 무너지는 것
Q3. (경쟁사와 마찬가지로) 하루에 10만명의 유저가 오는 서비스를 가지고 있음.
하루에 10만명이 오는 것과, 매주 70만명이 오는 것은 상관이 있을까?
: MAU를 높이는 게 문제가 아니라 CC를 높이는 게 문제임
Q4. 광고의 효과로 유저가 늘어남. 광고를 계속 켜면 유저도 계속 늘어날까?
: 아님. 정확히 CC에 도달할 때까지만 늘어나는 것. 그 이상도 이하도 X
Q5. 서비스에 알림 시스템에 문제가 생김. 유저들에게 새로운 활동들을 알릴 수가 없게 돼서 매일 오던 유저 수가 감소하게 됨. 이것이 걱정할 만한 일일까?
: 들어오는 유저수가 줄었지만 나가는 유저수도 줄었다면 MAU는 줄어들지 않을 수 있음

 

---

 

Retention & Activation

두 지표를 어떻게 개선할 수 있을까?

 

▶ P/M Fit이란?

Product / Market Fit의 줄임말.

 

스타트업의 경우 제품 / 시장 / 고객을 확실하게 정해야 함

광고를 하지 않아도 어느 시점부터는 지속적으로 사용하는 유저가 생기면 Product / Marcket Fit이 있다라고 하는 것

 

Retention이 떨어지지 않는 강력한 서비스를 만들고, 유저들이 들어오는 길을 꽃길로 만들고, 그 뒤에 광고를 해야 함

 

이 과정에서 고민해봐야 할 점!

- Usability Test (UT) : 이 서비스를 한번 이용해보고 떠난 사람들은 왜 떠나는 걸까?

- Data Analysis : 이 서비스를 계속 사용하는 사람들은 왜 사용하는 걸까? 

 

▶ User Test

우리가 고객들에게 채워주지 못한 Usecase가 무엇인가.

 

UT는 나중에 CC를 늘리기 위한 기준이 됨

하지만 지금 당장 Retention을 개선하는 데에는 도움이 안됨.

기존 제품 및 서비스가 CC에 도달해갈 때 다음 아이템을 찾는 용도이기 때문에 천천히 해나가면 됨.

 

▶ Data Analysis

우리 제품 및 서비스를 계속 이용하기로 한 고객들은 누구이고, 왜 쓰는가.

 

(Plateauing Cohort Retention) 

Retention이 어느 구간에서 평탄해지는지 알아야 함.

Retention이..

• 20%이하면 망함 
• 20% 정도이면 그냥저냥
• 40% 정도이면 꽤 큰 회사를 만들 수 있음
• 70% 정도면 세상을 바꾸는 힘을 가지게 됨 

● Aha Moment

왜 어떤 유저는 남고, 어떤 유저는 떠나는가.

Aha Moment란,
이 제품의 핵심 가치를 발견하게 되는 순간, 이 서비스를 계속 사용하게 만드는 특이점
이 행동을 한 유저의 95%가 Retention이 생기는 행동

 

- 유저가 서비스에 남게 되는 결정적인 순간을 정량적으로 표현한 것

- Simplicity, not Science : 팀원들이 무지성 추종을 하게되는단순한 한 문장, 하나의 숫자에 집중.

- Aha moment의 형태 :

Doing XX, ZZ times in YY days = XX번의 행동을 YY날짜 안에 ZZ번 하게 한다.

 

• XX
  만든 서비스가 가치가 있다면 (이미 P/M Fit을 찾은 후이므로) 그 서비스의 핵심 가치를 경험할 때 가치를 전달받게 됨_Recurring Value
• YY
  너무 많은 시간이 지나기 전에 그 서비스를 계속 쓰도록 만드는 가치 제안을 해내야 함
• ZZ
  서비스를 여러 번 경험시켜야 리텐션이 생김

※ 불가능한 수준의 Aha Moment밖에 나올수밖에 없다면 XX를 다시 생각해봐야 함. 즉 제품개선을 더 해야 한다는 것. 

 

● Aha Moment 구하기

- 액션 XX : 어떤 액션을 특정 기간 내에 Z번 한 것 (액션 후보군 찾기)

- SHAP Value : 특정 액션을 한 유저와 안 한 유저들의 상승/하락의 경향성을 확인할 수 있는 것

- RPV(Retain Probability Value) : 리테인된 유저가 이 액션을 할 확률  (retain 원 중에 Aha moment를 경험한 유저의 비율)

- 교차 : "액션을 했거나 or 리테인된 유저" 중 "액션 and 리테인 유저"의 비율 (전체 중에 Aha moment를 경험한 유저의 비율)

 

액션을 한 사람의 대다수가 retain 되어야 함.

액션과 retain의 교집합이 많아져야 함. 여집합의 크기는 최대한 작아야 함.

RPV는 95% 이상, 교차는 최대인 ZZ값을 찾아보기

이 기준에 충족되지 않거나 또는 샘플 사이즈가 너무 작으면 다른 액션 X를 찾아 반복 작업

---

Activation

 

고객이 겪는 첫 번째 행복한 경험 (The first happy experience) 까지의 여정
= Aha Moment의 액션 XX

 

Activation 개선은 더 많은 유저가 더 빨리 더 손쉽게 액션 XX를 하게 만드는 것

단, 목표는 퍼널이 아닌 Aha Moment를 경험하도록 하는 것

 

Activation을 개선할 때 퍼널을 개선하는 중이라면

Conversion(다음 퍼널로 가는 클릭 등의 전환율)이 아닌 '기간'이 중요함. 어느 정도의 기간동안 일어난 일인지

액티베이션 퍼널은 모든 Growth Dynamics에 영향을 줌

(viral K >= 1)로 만들기 위해서는 액티베이션 퍼널을 높이는 게 중요함

액티베이션 퍼널의 통과율이 그 서비스가 도달할 수 있는 MAU를 결정하기도 함

 

액티베이션 퍼널은 화면 단위로 잘라보는 경향이 있는데 이러면 안됨

액티베이션은 그래프 기준으로 봐야 개선할 수 있음

그래프 간 차이가 크면 안됨. 차이가 크면 버튼 단위로 나눠서라도 차이를 개선해야 함

큰 격차가 없는 그래프, 계단식으로 배열되도록 그래프를 만들고 나서 퍼널 분석에 집중해야 함

 

Whom / Why They are Converting vs Not Converting (연관분석) 

대체 누가 전환이 되고, 누가 전 단계에 남아있는지 분석, 트리거 포인트를 분석해야 함

---

Carring Capacity 2탄

 

세상의 모든 것은 수치로 표현 될 수 있는가?

라플라스의 악마, 철학을 묻다

 

INFLOW

• New (Organic → CC에 영향O)
  새 유저
  모든 사물은 우주로부터 그것으로 향하는 퍼널이 필수적으로 존재함
  '세상으로부터 발견되는 것'
• Resurrection / Skeptics (Organic → CC에 영향O)
  살아난 유저, 서비스를 사용할 이유를 찾게 되면 skeptics 유저가 들어옴
  모든 Churned 유저는 부활할 수 있음. 다시 시도하게 되는 순간들이 있음
• Referral (Organic → CC에 영향O)
  Trackable Invitation, Viral Growth( MAU 증가가 기존 Inflow증가 → CC의 무한성장 가능)
• Paid (Organic X → CC에 영향X)
  돈으로 산 유저
• Volume / Conv% / Budget  (Organic X → CC에 영향X)
• Viral (Organic X → CC에 영향X) : Viral Growth

CHURN

 

● Viral Growth : 신규 유저가 새로운 유저를 가져오는 비율

Viral K : Viral Growth가 어느정도인지 평가하기 위한 지표

특징1. Sequential 

특징2. Time decay 시간이 지날수록 감소하는 커브

 

(Viral K = 1)은 거의 이룰 수 없는 것_ 보통 0.2~0.4 정도

 

Amplification Factor = 1 / 1-Viral K

광고로 데리고 온 유저 1명이 Viral K를 이용해 또 누군가를 데리고 올 것.

그렇다면 Paid로 한 명을 데려온 결과가 결과적으로 몇 명을 데리고 온 걸까를 측정하는 지표

 

● 네트워크 효과 (Network Effect)

서비스를 사용하는 유저수의 증가가 서비스의 가치의 증가를 불러일으키는 경우

네트워크 효과가 있는 서비스는 MAU가 증가할수록 Recurring Value(다시 사용하는 이유, Retention)가 증가함

즉, Churn은 내려감 → CC의 무한성장

모든 서비스들이 소셜미디어, 커뮤니티, SNS적 기능이 있어야 함

 

● 그럼 Viral Growth와 Network Effect 중 무엇이 더 좋을까?

Viral Growth

: 신규 유저가 자연 성장한다.(Inflow) → 이것만 있고 Retention이 없으면 CC가 주저앉을 수 있음

Network Effect

: 한 번 들어온 유저는 절대로 벗어나지 못한다.(Churn) → 이것만 있으면 성장이 더딜 수 있음

 

*결론 : 둘 다 있는 것이 좋음